基于交叉Gram矩阵的双侧H2最优模型降阶方法
【出 处】:
【作 者】:
王维刚
[1]
杨平
[1]
蒋耀林
[2]
【摘 要】针对单输入单输出(SISO)线性时不变系统,提出了Grassmann流形上基于交叉Gram矩阵的双侧H2最优模型降阶方法.首先,将误差系统的H2范数通过交叉Gram矩阵表示,并且把它看成关于变换矩阵的代价函数.其次,引入Grassmann流形,将代价函数看作是定义在Grassmann流形上的非负实值函数.然后,在Grassmann流形上进行线性搜索,寻找使得代价函数尽可能小的一组变换矩阵.运用此方法对大规模SISO线性时不变系统进行降阶,可以得到精度较高的降阶系统.最后,数值算例验证了该算法的近似效果.
相关热词搜索: 模型降阶 H2最优 交叉Gram矩阵 Grassmann流形
上一篇: SDN与传统IP网络互联架构的设计与实现
下一篇: 基于OpenCL的并行kNN算法设计与实现